買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廈門大學(xué)申請(qǐng)的專利一種基于自相似性的雙分支特征融合的偽裝目標(biāo)檢測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116129152B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202310170387.4，技術(shù)領(lǐng)域涉及：G06V10/74；該發(fā)明授權(quán)一種基于自相似性的雙分支特征融合的偽裝目標(biāo)檢測(cè)方法是由林賢明;朱源;紀(jì)榮嶸設(shè)計(jì)研發(fā)完成，并于2023-02-27向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于自相似性的雙分支特征融合的偽裝目標(biāo)檢測(cè)方法在說(shuō)明書摘要公布了：一種基于自相似性的雙分支特征融合的偽裝目標(biāo)檢測(cè)方法，涉及多角度特征融合、自相似性約束及特征優(yōu)化。針對(duì)于普遍利用先搜索再識(shí)別的不同網(wǎng)絡(luò)框架無(wú)法更有效定位前背景更精細(xì)區(qū)別的問(wèn)題，1使用backbone提取低級(jí)、中級(jí)以及高級(jí)特征；2針對(duì)中高層特征采用雙分支特征融合的方式獲取增強(qiáng)后的特征；3通過(guò)特征優(yōu)化繼續(xù)得到最終精細(xì)的預(yù)測(cè)圖；4對(duì)于增強(qiáng)后的特征根據(jù)groundtruth分別找到映射后的前背景區(qū)域，計(jì)算各自自相似性矩陣，對(duì)于精細(xì)特征直接利用groudtruth進(jìn)行全局自相似性約束，最后計(jì)算粗預(yù)測(cè)圖、精細(xì)預(yù)測(cè)圖與自相似性三大部分損失。突出前背景之間更精細(xì)的區(qū)別，降低模型檢測(cè)平均絕對(duì)誤差。

本發(fā)明授權(quán)一種基于自相似性的雙分支特征融合的偽裝目標(biāo)檢測(cè)方法在權(quán)利要求書中公布了：1.一種基于自相似性的雙分支特征融合的偽裝目標(biāo)檢測(cè)方法，其特征在于包括以下步驟： 1使用backbone提取不同層的特征，其中包括低級(jí)、中級(jí)以及高級(jí)共三組特征； 2針對(duì)于中高層特征采用雙分支特征融合的方式獲取增強(qiáng)后的特征，一個(gè)分支使用空洞卷積的方式，以擴(kuò)大感受野，其中采用較大的空洞率進(jìn)行特征融合；另一個(gè)分支使用多尺度融合的方式，由底向上與自頂向下的方式融合多尺度的信息； 為了合并更多有區(qū)別的信息，使用雙分支特征融合的方式提取增強(qiáng)后的特征，該模塊提取不同角度的特征；其中具體包括SRF模塊以及MSSD模塊； SRF模塊包含兩個(gè)平行的分支，先通過(guò)一個(gè)1×1的卷積層將通道數(shù)增加到160，之后送入兩個(gè)并行的分支，其中第一個(gè)分支采用1×1的卷積操作將通道數(shù)減少到32，另一分支則使用空洞卷積的方式，使用空洞率為18的3×3的卷積，最后將兩個(gè)分支合并，同時(shí)送入ReLu函數(shù)，得到SRF分支最終的輸出； 在第二個(gè)分支中，針對(duì)于多尺度目標(biāo)檢測(cè)中固定感受野對(duì)較小目標(biāo)有限制的問(wèn)題，引入mssd這樣的結(jié)構(gòu)補(bǔ)充到特征增強(qiáng)的過(guò)程中，將F3，F(xiàn)4，F(xiàn)5上的特征concate到一起，再通過(guò)下采樣的方式生成新的特征金字塔層； 在獲取增強(qiáng)特征后，利用特征解碼器得到粗預(yù)測(cè)圖； 3使用特征優(yōu)化的手段繼續(xù)獲取最終精細(xì)的預(yù)測(cè)圖，同時(shí)計(jì)算粗預(yù)測(cè)圖與精細(xì)預(yù)測(cè)圖的損失； 4對(duì)于步驟3特征細(xì)化后的特征加以自相似性約束，根據(jù)groundtruth分別找到增強(qiáng)特征映射后的前背景區(qū)域，分別計(jì)算各自的自相似性矩陣，同時(shí)計(jì)算粗預(yù)測(cè)圖、精細(xì)預(yù)測(cè)圖與自相似性三大部分的損失。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人廈門大學(xué)，其通訊地址為：361005 福建省廈門市思明區(qū)思明南路422號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。